随着物流业的迅猛发展，车辆路径问题(Vehicle Routing Problem，简称VRP)在物流研究领域备受关注，已成为该领域的热门问题。合理的路径安排方案不仅可以降低企业的配送成本，还可以提高企业服务的质量，增强企业的综合竞争能力。　　 本文旨在研究更加贴近现实的确定信息条件下的VRP问题。首先，从考虑了顾客受时间约束的VRP变化形式——带时间窗的车辆路径问题(VehicleRouting Problem with Time Windows，简称VRPTW)入手，再在传统VRPTW的基础上，结合考虑实际生活中由于资金等诸多原因而不能无限制购置车辆的问题，对由Lau等人于2003年提出的新模型——限定车辆数的m—VRPTW进行研究，提出并用C++语言实现一种解m—VRPTW的新型两阶段启发式算法，然后运用经典的Solomon算例验证其适用范围，最终通过分析对比得出该算法对于有效地求解现实生活中一类物流配送问题的可行性。　　 本文的研究过程将先对其他学者的研究成果进行总结和归纳，通过对比分析的手段，总结出各种算法的优势与不足，然后，经过对VRPTW和m—VRPTW的进一步研究，针对VRPTW问题提出了改进的遗传算法，而对于m—VRPTW问题提出了新型的两阶段启发式算法，并将有效的解法运用到实际问题的解决中，最终将算法推广到解决一类物流配送问题。　　 本文的重点工作在于：给出针对VRPTW问题的改进遗传算法，并用C++语言实现了该算法，通过算例验证算法的有效性；针对m—VRPTW问题给出新型两阶段启发式算法，并通过经典算例验证算法的有效性，然后用该算法解决一类实际配送问题。该算法针对第一阶段最大化服务顾客数的目标，运用一种基于优化的K-均值聚类算法的优化算法；第二阶段则是在第一阶段的基础上，采用改进的AMP算法(Adaptive Memory Procedure)来改进第一阶段的某些解，使它们能进一步逼近最优解。通过实验的比较分析，也证实了该算法的有效性。